摘要
移动机器人的室内定位技术是机器人研究领域中的热点，室内定位的技术方案种类繁多，将视觉融入同时定位与地图构建(Simultaneous Localization And Mapping, SLAM)的研究是及其有意义的尝试。单目相机具有轻便，价格便宜，不受场景的限制等优点，使得基于单目的同时定位与建图技术受到了广泛的关注。但单目相机存在尺度不确定性以及在缺乏纹理和快速运动的场景下效果很差，通过与惯性测量元件(Inertial Measurement Unit, IMU)进行融合可以实现这两者的优势互补。相机能提供非常多的场景信息，这些信息能用来限制IMU的漂移，而IMU的运动信息则又可以用来解决单目视觉尺度不确定性的问题以及提供在快速运动的场景下的位姿估计。因此，本文结合单目相机与IMU在定位上的优点，构建一种单目视觉与IMU融合的定位系统，本文工作如下： (1)构建并实现本文搭建的基于单目视觉与IMU融合的定位系统，具体包括以下几个方面：首先在视觉前端，Shi-Tomasi角点检测算法和LK稀疏光流法被用于跟踪图像特征，然后IMU通过预积分来估计当前位姿，利用纯视觉初始化获得相机的位置与姿态。然后，将相机与IMU结合起来进行初始化，从而获得系统的尺度信息和IMU的偏置信息；在后端优化中采用紧耦合的方式将单目视觉与IMU对状态的约束量相互结合起来对位置和姿态进行优化和估计，再充分利用闭环优化来降低累积误差，使整个系统的定位精度得到进一步的提高。 (2)为了减小累积误差，本文提出了一种基于线特征的闭环检测方法，实现了可靠的闭环检测。首先在图像帧中检测和描述线特征，然后建立图像帧数据库，之后在图像帧数据库中检索是否有回环检测发生并进行矫正。 (3)为了验证本文提出的的算法有效性，在公共数据集EuRoc和实际硬件上进行实验，在数据集上的实验表明本文提出的回环检测算法能够有效的减少定位的累积误差，并且与目前开源的视觉惯性系统OKVIS进行定位精度的对比，其结果表明本文构建的定位系统定位精度更好。在实际硬件上与单目视觉系统的定位效果进行比较，验证了本文提出的定位系统在真实的室内环境中的定位效果比纯视觉的定位系统更好。
NETL